• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    改進(jìn)的Yolo_v2違章車輛檢測方法

    2020-10-19 04:40:50張成標(biāo)童寶宏張炳力
    計算機(jī)工程與應(yīng)用 2020年20期
    關(guān)鍵詞:檢測

    張成標(biāo),童寶宏,程 進(jìn),張炳力,張 潤

    1.安徽工業(yè)大學(xué) 機(jī)械工程學(xué)院,安徽 馬鞍山 243002

    2.合肥工業(yè)大學(xué) 汽車與交通工程學(xué)院,合肥 230009

    1 引言

    智能交通系統(tǒng)(Intelligent Traffic System,ITS)是未來檢測城市交通違章的有效手段,智能交通系統(tǒng)將先進(jìn)的信息技術(shù)、數(shù)據(jù)通信技術(shù)、傳感器技術(shù)、電子控制技術(shù)以及計算機(jī)技術(shù)有效地綜合運用于整個交通管理體系[1-2]。車輛檢測利用傳感器技術(shù)與計算機(jī)技術(shù)是智能交通系統(tǒng)數(shù)據(jù)前端采集的一個重要環(huán)節(jié)。智能交通系統(tǒng)中的車輛檢測需要結(jié)合攝像頭、激光雷達(dá)、毫米波雷達(dá)等設(shè)備,而強(qiáng)大的視覺識別系統(tǒng)可以一定程度上替代昂貴的激光雷達(dá)與毫米波雷達(dá)的作用,降低檢測系統(tǒng)的成本[3-5]。目前基于視覺的車輛檢測主要是利用卷積神經(jīng)網(wǎng)絡(luò)對圖像中車輛與車牌進(jìn)行識別,并將檢測的車牌圖片提取出來傳輸?shù)結(jié)olo_v2-tiny 卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識別[6-7]。

    近年來隨著計算機(jī)視覺在車輛檢測的興起,基于卷積神經(jīng)網(wǎng)絡(luò)的車輛檢測也成為主流方法。目前主流的卷積神經(jīng)網(wǎng)絡(luò)主要有R-CNN、Fast R-CNN、Faster R-CNN、Yolo 等[7-8]。傳統(tǒng)的計算機(jī)視覺方法常用精心設(shè)計的手工特征(如SIFT、HOG)描述圖像,而深度學(xué)習(xí)的方法則倡導(dǎo)習(xí)得特征[8-13]。從圖像分類任務(wù)的經(jīng)驗來看,CNN網(wǎng)絡(luò)自動習(xí)得的特征取得的效果已經(jīng)超出了手工設(shè)計的特征,發(fā)揮卷積網(wǎng)絡(luò)學(xué)習(xí)高質(zhì)量特征的能力。R-CNN的想法直接明了,即將檢測任務(wù)轉(zhuǎn)化為區(qū)域上的分類任務(wù),是深度學(xué)習(xí)方法在檢測任務(wù)上的試水[14]。之后Fast R-CNN 用RPN 網(wǎng)絡(luò)完成了檢測任務(wù)的“深度化”,使用滑動窗口生成anchor box使得Faster R-CNN可以在單個GPU 上的速度提升到5 f/s[15]。由于對實時性的要求越來越高,Yolo 也應(yīng)運而生,Yolo 的誕生標(biāo)志著單階段方法的開始。它將檢測任務(wù)表述成一個統(tǒng)一的、端到端的回歸問題,只處理一次圖片同時得到位置和分類,大大提高了檢測實時性[16-18]。

    目前傳統(tǒng)的違章檢測基于多傳感器融合或人工識別篩選圖像,增加了成本與人工的投入。本文將改進(jìn)的Yolo_v2卷積神經(jīng)網(wǎng)絡(luò)模型與車牌識別系統(tǒng)集成進(jìn)ROS(Robot Operating System)系統(tǒng),并與QT-Creator 可視化界面進(jìn)行交互,做到實時對道路上違章車輛進(jìn)行檢測。

    2 Yolo_v2卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)

    2.1 原Yolo_v2卷積神經(jīng)網(wǎng)絡(luò)

    Yolo_v2是基于回歸的目標(biāo)檢測方法,Yolo_v2借鑒了Yolo_v1以及SSD的網(wǎng)絡(luò)結(jié)構(gòu)。由于Yolo_v2將候選框提取、特征提取、目標(biāo)分類、目標(biāo)定位統(tǒng)一于同一個卷積神經(jīng)網(wǎng)絡(luò)中,Yolo_v2 不僅訓(xùn)練過程中能夠?qū)崿F(xiàn)端到端的優(yōu)化,而且檢測過程耗時少,能夠滿足實時處理需求。Yolo_v2 相較于Yolo_v3 網(wǎng)絡(luò)結(jié)構(gòu)簡單,并且在NVIDIA Jetson TX2開發(fā)板上的實時性好,檢測速率可以達(dá)到30 f/s。

    Yolo_v2 網(wǎng)絡(luò)包含了19 個卷積層和5 個最大池化層。為了壓縮特征的同時增加網(wǎng)絡(luò)深度,在3×3的卷積核之間加入1×1的卷積核,每次池化操作后將通道數(shù)翻倍。在每一層網(wǎng)絡(luò)前先對輸入的圖像數(shù)據(jù)進(jìn)行批量歸一化操作,可以有效提高準(zhǔn)確率(mAP)以及顯著改善收斂性,防止過擬合。

    2.2 改進(jìn)Yolo_v2的網(wǎng)絡(luò)結(jié)構(gòu)

    Yolo_v2 相對于Yolo 有效地提高了準(zhǔn)確率(mAP)以及檢測速率(FPS),但檢測經(jīng)常會出現(xiàn)漏檢、誤檢的情況。針對此問題,在Yolo_v2 的基礎(chǔ)上增加殘差網(wǎng)絡(luò)結(jié)構(gòu)來提升對小目標(biāo)車輛的檢測精度,同時增加一個不同尺度的Yolo層對圖像中的目標(biāo)進(jìn)行多尺度預(yù)測[19-22]。因為增加了殘差結(jié)構(gòu)與多尺度預(yù)測,Yolo_v2 網(wǎng)絡(luò)結(jié)構(gòu)變得厚重,對采集的路況視頻檢測速率只有16 f/s,因此在不降低準(zhǔn)確率的情況下,將原19 層卷積層縮減為14層,并每隔3層添加殘差網(wǎng)絡(luò)層,精簡后的Yolo_v2結(jié)構(gòu)如表1所示。

    表1 改進(jìn)Yolo_v2的網(wǎng)絡(luò)結(jié)構(gòu)

    2.3 添加殘差網(wǎng)絡(luò)與多尺度層

    本文中搭建的卷積神經(jīng)網(wǎng)絡(luò)是基于Yolo_v2的網(wǎng)絡(luò)結(jié)構(gòu)。為了使卷積神經(jīng)網(wǎng)絡(luò)加快收斂保留了Yolo_v2的池化層,極大地縮減了參數(shù)數(shù)量,并添加Yolo_v3的殘差網(wǎng)絡(luò)結(jié)構(gòu)來提高檢測精度。為了降低卷積過程的計算量,將兩個3×3的卷積層替換為兩個1×1卷積層與一個3×3的卷積層,如圖1所示。圖1左圖中是兩個3×3×256的卷積,參數(shù)數(shù)目為:3×3×256×256×2=1 179 648,右圖是第一個卷積層將256 通道降到了64 通道,最后通過1×1卷積層進(jìn)行恢復(fù),整體的參數(shù)數(shù)目為:1×1×256×64+3×3×64×64+1×1×64×256=69 632。新的殘差結(jié)構(gòu)的參數(shù)數(shù)量比原殘差結(jié)構(gòu)的參數(shù)數(shù)量減少了16.94 倍,這使得訓(xùn)練速度得到加快[23-25]。添加改進(jìn)后的殘差網(wǎng)絡(luò),在隨著訓(xùn)練時網(wǎng)絡(luò)深度的加深,訓(xùn)練錯誤大大小于普通網(wǎng)絡(luò)訓(xùn)練時出現(xiàn)的錯誤,錯誤減少的同時準(zhǔn)確率也相對應(yīng)提高了。

    圖1 改進(jìn)殘差結(jié)構(gòu)對比圖

    卷積神經(jīng)網(wǎng)絡(luò)中較深層特征有很大的感受野以及豐富的語義信息。深層特征對于物體姿態(tài)、遮擋和局部變形等變化具有魯棒性,但由于分辨率的降低導(dǎo)致幾何細(xì)節(jié)信息丟失。相反淺層特征有很小的感受野和豐富的幾何細(xì)節(jié)信息,但分辨率較高,語義信息匱乏。在卷積神經(jīng)網(wǎng)絡(luò)中,物體的語義信息可以在不同層出現(xiàn)。對于小物體而言,淺層特征包含一些細(xì)節(jié)信息,隨著層數(shù)加深,所提取特征的幾何細(xì)節(jié)信息可能完全消失,所以通過深層特征檢測小物體就變得很困難,而對于大物體而言,它語義信息將出現(xiàn)在較深層特征中。如圖2 所示,在一張圖像中有完整的車輛、被遮擋的車輛以及小目標(biāo)車輛,為了使圖像中的車輛都能被標(biāo)記,在Yolo_v2的基礎(chǔ)上添加一個Yolo層來進(jìn)行多尺度預(yù)測,從而提取更全面的信息,既有全局的整體信息又有局部的詳細(xì)信息,同時對小目標(biāo)車輛也有很高的檢測準(zhǔn)確率,如圖3所示[22,26-28]。

    圖2 被遮擋車輛示意圖

    圖3 多尺度層結(jié)構(gòu)圖

    2.4 設(shè)計激活函數(shù)

    激活函數(shù)是深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的核心所在,目前常見的激活函數(shù)主要有sigmoid 系的sigmoid、tanh 函數(shù),Relu系的Relu、Lrelu函數(shù)等。但sigmoid系的函數(shù)在后向傳遞過程中會出現(xiàn)了梯度消失問題,極大地降低訓(xùn)練速度[29-31]。

    Relu函數(shù)能夠有效緩解梯度消失問題,顯著提升了深度神經(jīng)網(wǎng)絡(luò)的性能。Elu激活函數(shù)是為解決Relu激活函數(shù)存在的問題而提出,Elu既涵蓋了Relu的優(yōu)點,又避免了Dead relu(未被激活神經(jīng)元)問題且輸出的均值接近0[32-34]。

    基于Elu 激活函數(shù)設(shè)計激活函數(shù)Kelu(函數(shù)圖如圖4 所示),Kelu 激活函數(shù)包含了Elu 激活函數(shù)的優(yōu)點,Kelu 激活函數(shù)的處處可微保證了在優(yōu)化中梯度的可計算性,Kelu 激活函數(shù)不僅滿足處處可微,且在梯度變化的平滑性也優(yōu)于Elu 激活函數(shù)(如圖5 所示),這使得所有輸入的數(shù)據(jù)都會得到優(yōu)化。并且Kelu 激活函數(shù)在x> 0 的正半軸隨著x的增大f′(x)無限接近于1,不存在梯度爆炸現(xiàn)象,在x<0 的負(fù)半軸保留了一些負(fù)軸的值,使得負(fù)軸信息不會全部丟失,正負(fù)信息的值與激活函數(shù)相應(yīng)橫坐標(biāo)下縱坐標(biāo)的值根據(jù)函數(shù)公式進(jìn)行運算,使Kelu激活函數(shù)的輸出均值是接近于零的。Kelu激活函數(shù)公式如公式(1)所示:

    圖4 Kelu激活函數(shù)圖

    圖5 Elu激活函數(shù)圖

    Kelu激活函數(shù)的導(dǎo)數(shù)公式如公式(2)所示:

    由Elu 激活函數(shù)求導(dǎo)公式可得在x=0 點處1 ≠α,左右導(dǎo)數(shù)不同,從而導(dǎo)致Elu激活函數(shù)在x=0 不平滑,也導(dǎo)致在x=0 處附近部分參數(shù)的不可計算,從而丟失少部分?jǐn)?shù)據(jù)。

    Elu激活函數(shù)公式如公式(3)所示:

    對f(x)求導(dǎo)如公式(4)所示:

    由于改進(jìn)后的Kelu 激活函數(shù)在x>0 正半軸為指數(shù)運算,計算機(jī)對指數(shù)運算的時間要明顯大于非指數(shù)運算。所以Kelu激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)檢測中實時性要低于其他激活函數(shù),但是應(yīng)用于交通違章檢測并不需要過高的實時性,達(dá)到每秒3幀的傳輸速率就可以精確地監(jiān)測違章。

    在保證檢測速率的情況下,Kelu激活函數(shù)在檢測精度的表現(xiàn)都優(yōu)于Elu、Leaky-relu等激活函數(shù)。

    3 數(shù)據(jù)集制作

    3.1 多方位車輛數(shù)據(jù)集制作

    本文檢測違章車輛是需要對道路上的不同形態(tài)的車輛進(jìn)行分類檢測,如圖6所示。車輛的形態(tài)分為側(cè)前方(Side Front)、側(cè)后方(Side Behind)、正前方(Front)、正后方(Behind)、正側(cè)方(Side)五種類型。為了增加卷積神經(jīng)網(wǎng)絡(luò)的泛化性,制作數(shù)據(jù)集的圖像來源于KITTI數(shù)據(jù)集、剪輯后的視頻圖像的車輛圖片,利用Labelimg軟件對圖片進(jìn)行標(biāo)注歸類制作成數(shù)據(jù)集[35-37]。同時為了降低誤檢率,提高其背景區(qū)分能力,應(yīng)保證有適量的負(fù)樣本集,負(fù)樣本集是照片中不存在目標(biāo)車輛的背景圖片,所以在數(shù)據(jù)集中通過添加負(fù)樣本圖像來制作負(fù)樣本集。為了增強(qiáng)網(wǎng)絡(luò)模型的泛化能力,防止訓(xùn)練的網(wǎng)絡(luò)過擬合(Over-fitting),將圖像樣本作為訓(xùn)練數(shù)據(jù)輸入到網(wǎng)絡(luò)前,通過隨機(jī)旋轉(zhuǎn)、平移圖像以及改變圖像的飽和度、曝光和色調(diào)的方式,對訓(xùn)練集中的圖像實現(xiàn)擴(kuò)增,這樣不僅能得到更多的樣本,還能增強(qiáng)網(wǎng)絡(luò)模型對新數(shù)據(jù)樣本的判斷能力[35-37]。

    圖6 車輛形態(tài)分類圖

    3.2 車牌數(shù)據(jù)集

    在前節(jié)通過車輛形態(tài)識別出違章車輛的基礎(chǔ)上,需要對違章車輛進(jìn)行車牌提取。由于完整車牌數(shù)據(jù)集與被分割后的車牌數(shù)據(jù)集是分開進(jìn)行訓(xùn)練,得到的是不同的權(quán)重文件,所以車牌數(shù)據(jù)集主要分為兩類,分別是車牌完整數(shù)據(jù)集與車牌字符分割后的單個字符數(shù)據(jù)集[35-37]。完整的車牌圖像(如圖7所示)是車輛圖像經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)檢測后被提取發(fā)送給車牌識別系統(tǒng)。完整車牌進(jìn)行字符分割后將七個單個字符圖片(如圖8所示)依次傳輸?shù)結(jié)olo_v2-tiny卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識別。

    圖7 完整車牌數(shù)據(jù)集

    4 實驗結(jié)果分析與應(yīng)用

    4.1 實驗環(huán)境搭建

    本文實驗環(huán)境如表2所示。

    圖8 單個字符數(shù)據(jù)集

    表2 實驗環(huán)境

    4.2 激活函數(shù)比較

    選擇平均準(zhǔn)確率(mAP)、召回率(recall)、神經(jīng)網(wǎng)絡(luò)每秒檢測幀數(shù)(FPS)以及反映網(wǎng)絡(luò)收斂的Loss 曲線作為卷積神經(jīng)網(wǎng)絡(luò)模型優(yōu)劣的評價指標(biāo)。

    首先選取原Yolo_v2 網(wǎng)絡(luò)作為基本框架,分別選取Leaky、Relu、Elu 激活函數(shù)對自制車輛多方位數(shù)據(jù)集進(jìn)行訓(xùn)練,利用訓(xùn)練的權(quán)重在測試集進(jìn)行批量檢測,通過得到的評價指標(biāo)來選取適合的激活函數(shù);其次對Yolo_v2卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),分別添加了殘差網(wǎng)絡(luò)結(jié)構(gòu)與多尺度層,將選取的最優(yōu)激活函數(shù)搭載到改進(jìn)好的卷積神經(jīng)網(wǎng)絡(luò)中對網(wǎng)絡(luò)進(jìn)行訓(xùn)練,利用訓(xùn)練權(quán)重在測試集測試得到相關(guān)評價指標(biāo),如表3所示。

    表3 不同激活函數(shù)訓(xùn)練后的評價指標(biāo)

    利用改進(jìn)的Yolo_v2 卷積神經(jīng)網(wǎng)絡(luò)搭載Kelu 激活函數(shù)對訓(xùn)練集進(jìn)行訓(xùn)練得到權(quán)重,利用所得的權(quán)重在測試集上進(jìn)行測試得到相關(guān)評價指標(biāo);最后將三組測試后評價指標(biāo)進(jìn)行對比。

    (1)訓(xùn)練數(shù)據(jù)集時生成的loss值可以反映模型收斂的穩(wěn)定性,原Yolo_v2 網(wǎng)絡(luò)結(jié)構(gòu)三組激活函數(shù)下loss 值對比如圖9。

    圖9 不同激活函數(shù)下的loss變化值

    在原Yolo_v2網(wǎng)絡(luò)為框架下,利用Leaky激活函數(shù)、Relu激活函數(shù)、Elu激活函數(shù)訓(xùn)練得到loss值。對比圖9由收斂速度及收斂穩(wěn)定性可以看出搭載Elu激活函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)更加適用于多方位車輛的檢測。

    (2)訓(xùn)練改進(jìn)的Yolo_v2 網(wǎng)絡(luò)搭載Elu 激活函數(shù)與Kelu激活函數(shù)下評價指標(biāo)對比如表4所示。

    表4 改進(jìn)后網(wǎng)絡(luò)不同激活函數(shù)訓(xùn)練后評價指標(biāo)

    在改進(jìn)的Yolo_v2 網(wǎng)絡(luò)結(jié)構(gòu)下,Kelu 激活函數(shù)和Elu 激活函數(shù)下的 loss 值如圖10、11 所示。Kelu 激活函數(shù)的loss值在訓(xùn)練1 000次后就降到1以下,收斂速度高于Elu 激活函數(shù);對比圖10 與圖11 可得,在收斂過程中Kelu激活函數(shù)下的loss值收斂平滑,出現(xiàn)噪點的數(shù)量遠(yuǎn)遠(yuǎn)低于Elu激活函數(shù)下的loss值的噪點數(shù)量。

    圖10 Kelu激活函數(shù)下loss變化值

    圖11 Elu激活函數(shù)下loss變化值

    4.3 車輛違章識別實驗

    本文的基于改進(jìn)Yolo_v2的車輛多方位識別方法可識別車輛的多種形態(tài),在一定程度上替代了激光雷達(dá)與毫米波雷達(dá)的作用。本文將識別多方位車輛方法應(yīng)用在檢測交通違章上。

    改進(jìn)后的神經(jīng)網(wǎng)絡(luò)算法封裝于ROS 軟件平臺中,并與QT 可視化界面建立通信,方便顯示檢測信息。將檢測系統(tǒng)硬件固定在高度一定的支架上,并將支架擺放在禁止車輛掉頭(轉(zhuǎn)向)的路口來檢測車輛違章,如圖12所示。

    圖12 虛擬檢測示意圖

    由圖13所示通過攝像頭將路況視頻通過ROS節(jié)點將視頻每秒3幀以圖片的形式發(fā)送給改進(jìn)的Yolo_v2網(wǎng)絡(luò),檢測之后利用ROS節(jié)點將車輛方位的類別信息、準(zhǔn)確率及檢測圖片通過節(jié)點發(fā)布給QT 可視化界面。在ROS下的QT程序包中定義節(jié)點接受卷積神經(jīng)網(wǎng)絡(luò)發(fā)布的檢測信息,若檢測到車輛的正側(cè)身(Side)與側(cè)前身(Side Front),則判定車輛違章。如果違章,則判定違章的按鈕變紅(如圖13(b)所示),并且在檢測到車牌后將車牌圖片提取出通過字符分割后通過卷積神經(jīng)網(wǎng)絡(luò)檢測車牌,將檢測到的車牌號顯示在QT界面上,同時發(fā)布提取的車牌圖片(如圖13(b)所示)。

    圖13 違章系統(tǒng)顯示平臺

    根據(jù)實車實驗結(jié)果分析,改進(jìn)的Yolo_v2 卷積神經(jīng)網(wǎng)絡(luò)及設(shè)計的Kelu激活函數(shù)對多方位車輛的檢測準(zhǔn)確率優(yōu)于原Yolo_v2卷積神經(jīng)網(wǎng)絡(luò)。

    5 結(jié)語

    本文從車輛多方位識別的角度出發(fā),對現(xiàn)有的Yolo_v2 卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),分別在原Yolo_v2 網(wǎng)絡(luò)的基礎(chǔ)上增加了殘差網(wǎng)絡(luò)結(jié)構(gòu)和多尺度層,并且在Elu 激活函數(shù)的基礎(chǔ)上設(shè)計了Kelu 激活函數(shù)。實驗結(jié)果表明在改進(jìn)了網(wǎng)絡(luò)結(jié)構(gòu)和激活函數(shù)后,新的網(wǎng)絡(luò)可以更加精確且高效地識別道路上的多方位車輛,并驗證了本文所設(shè)計的方法可用于違規(guī)掉頭車輛違章檢測中。

    在下一步研究中,將本文所研究的基于改進(jìn)的Yolo_v2卷積神經(jīng)網(wǎng)絡(luò)車輛多方位識別方法應(yīng)用于更多的道路違章監(jiān)測和車聯(lián)網(wǎng)應(yīng)用。

    猜你喜歡
    檢測
    QC 檢測
    “不等式”檢測題
    “一元一次不等式”檢測題
    “一元一次不等式組”檢測題
    “幾何圖形”檢測題
    “角”檢測題
    “有理數(shù)的乘除法”檢測題
    “有理數(shù)”檢測題
    “角”檢測題
    “幾何圖形”檢測題
    男人舔奶头视频| 秋霞伦理黄片| 国产精品一二三区在线看| 久久97久久精品| videossex国产| 日日摸夜夜添夜夜爱| 免费观看性生交大片5| 18禁在线无遮挡免费观看视频| 欧美xxxx黑人xx丫x性爽| 天天躁日日操中文字幕| 免费观看的影片在线观看| 一二三四中文在线观看免费高清| 搡老乐熟女国产| 在线观看av片永久免费下载| 免费av观看视频| 免费av观看视频| 18禁动态无遮挡网站| 丰满乱子伦码专区| 久久国产乱子免费精品| 久久精品国产自在天天线| 久久99热这里只有精品18| 亚洲欧美精品专区久久| av国产免费在线观看| 免费电影在线观看免费观看| 美女国产视频在线观看| 久久久国产一区二区| 少妇的逼好多水| 97超视频在线观看视频| 日本wwww免费看| 亚洲精品乱久久久久久| 激情五月婷婷亚洲| 嫩草影院新地址| 夫妻午夜视频| 精品久久国产蜜桃| 麻豆国产97在线/欧美| 搡老乐熟女国产| av卡一久久| 国产美女午夜福利| 亚洲精品国产av蜜桃| 天堂影院成人在线观看| 蜜桃久久精品国产亚洲av| 69av精品久久久久久| 亚洲最大成人手机在线| 成年免费大片在线观看| 国产探花在线观看一区二区| 欧美最新免费一区二区三区| 哪个播放器可以免费观看大片| 国产黄a三级三级三级人| 好男人视频免费观看在线| 建设人人有责人人尽责人人享有的 | 国产av不卡久久| 亚洲av一区综合| 能在线免费看毛片的网站| 秋霞在线观看毛片| 高清在线视频一区二区三区| 大香蕉久久网| 国产极品天堂在线| 久久久久久久久久黄片| 亚洲国产精品成人综合色| 国产亚洲一区二区精品| av线在线观看网站| 日本熟妇午夜| 久久99蜜桃精品久久| 天堂√8在线中文| 18禁裸乳无遮挡免费网站照片| 干丝袜人妻中文字幕| 联通29元200g的流量卡| 尾随美女入室| 永久网站在线| 免费av毛片视频| 女人十人毛片免费观看3o分钟| 三级毛片av免费| 国产高清三级在线| 免费无遮挡裸体视频| 国产精品福利在线免费观看| 一边亲一边摸免费视频| 久久精品久久精品一区二区三区| 欧美xxxx性猛交bbbb| 青春草视频在线免费观看| 三级男女做爰猛烈吃奶摸视频| 黄片wwwwww| 久久99热这里只频精品6学生| 99热全是精品| 美女被艹到高潮喷水动态| 老司机影院毛片| 中文字幕av成人在线电影| 免费不卡的大黄色大毛片视频在线观看 | 五月天丁香电影| av黄色大香蕉| 中文字幕久久专区| 最近中文字幕2019免费版| 亚洲成人中文字幕在线播放| 亚洲内射少妇av| 久久韩国三级中文字幕| 久久草成人影院| 久久久精品免费免费高清| 亚洲国产日韩欧美精品在线观看| 亚洲精品第二区| 亚洲精品国产av蜜桃| 久久亚洲国产成人精品v| av福利片在线观看| 自拍偷自拍亚洲精品老妇| 国产精品国产三级专区第一集| 久久精品夜夜夜夜夜久久蜜豆| 亚洲精品色激情综合| 九九久久精品国产亚洲av麻豆| 久久99蜜桃精品久久| 国产av在哪里看| 婷婷色综合大香蕉| 亚洲欧洲国产日韩| 色综合亚洲欧美另类图片| 亚洲av.av天堂| 精品久久久久久久久av| 最近中文字幕高清免费大全6| 午夜福利视频1000在线观看| 建设人人有责人人尽责人人享有的 | 日本欧美国产在线视频| 日韩 亚洲 欧美在线| 最近的中文字幕免费完整| 亚洲不卡免费看| 精品99又大又爽又粗少妇毛片| 国产色爽女视频免费观看| 看黄色毛片网站| 国产精品不卡视频一区二区| 伦精品一区二区三区| 22中文网久久字幕| 搡女人真爽免费视频火全软件| 久久综合国产亚洲精品| 天天躁日日操中文字幕| 国产乱来视频区| 国产亚洲av片在线观看秒播厂 | 亚洲经典国产精华液单| 日韩欧美精品v在线| 97在线视频观看| 在线免费十八禁| 国产成人a区在线观看| 内射极品少妇av片p| av在线蜜桃| 国产av在哪里看| 亚洲av成人av| 亚洲av一区综合| 久久久久性生活片| 日韩视频在线欧美| 在线a可以看的网站| 国产真实伦视频高清在线观看| 少妇被粗大猛烈的视频| av国产免费在线观看| 亚洲成人中文字幕在线播放| 亚洲熟妇中文字幕五十中出| 搡老乐熟女国产| av国产久精品久网站免费入址| 亚洲四区av| 最近的中文字幕免费完整| 国产精品伦人一区二区| 久久久久久久大尺度免费视频| 精品久久久久久成人av| 尤物成人国产欧美一区二区三区| 免费人成在线观看视频色| a级一级毛片免费在线观看| 免费人成在线观看视频色| 午夜视频国产福利| 国产伦一二天堂av在线观看| 欧美区成人在线视频| 欧美区成人在线视频| 国产精品久久久久久久电影| 欧美xxⅹ黑人| 日韩av在线免费看完整版不卡| 美女黄网站色视频| or卡值多少钱| 成人无遮挡网站| 亚洲最大成人手机在线| 亚洲人与动物交配视频| 成年免费大片在线观看| 欧美极品一区二区三区四区| 国产午夜精品论理片| 伦理电影大哥的女人| 欧美区成人在线视频| 我的老师免费观看完整版| 亚洲av中文av极速乱| 精品久久久久久久久亚洲| 国产成年人精品一区二区| 丰满乱子伦码专区| 校园人妻丝袜中文字幕| 一区二区三区乱码不卡18| 麻豆av噜噜一区二区三区| 国产一区有黄有色的免费视频 | 国产毛片a区久久久久| av在线蜜桃| 自拍偷自拍亚洲精品老妇| 搡女人真爽免费视频火全软件| 国产成人福利小说| 亚洲va在线va天堂va国产| 日韩 亚洲 欧美在线| 亚洲精品国产av蜜桃| 精品国产露脸久久av麻豆 | 22中文网久久字幕| 亚洲国产精品sss在线观看| 在线免费观看的www视频| 精品久久久精品久久久| 亚洲天堂国产精品一区在线| 内射极品少妇av片p| 日韩欧美精品v在线| 18禁在线播放成人免费| 国产精品嫩草影院av在线观看| 一级黄片播放器| av线在线观看网站| 美女被艹到高潮喷水动态| 亚洲欧美日韩东京热| 国产成人精品久久久久久| 免费观看a级毛片全部| 精品午夜福利在线看| 偷拍熟女少妇极品色| 亚洲精品国产av成人精品| 99热6这里只有精品| 色尼玛亚洲综合影院| 啦啦啦韩国在线观看视频| 久久精品国产亚洲av涩爱| 国产av码专区亚洲av| 日韩一本色道免费dvd| 免费播放大片免费观看视频在线观看| 中文精品一卡2卡3卡4更新| 精品一区在线观看国产| 久久6这里有精品| 大香蕉97超碰在线| 久久精品国产鲁丝片午夜精品| 80岁老熟妇乱子伦牲交| 人人妻人人澡人人爽人人夜夜 | 久久这里只有精品中国| 亚洲国产欧美在线一区| 一级毛片久久久久久久久女| 亚洲精品国产av成人精品| 国产69精品久久久久777片| 免费黄频网站在线观看国产| 在线播放无遮挡| 国产有黄有色有爽视频| 街头女战士在线观看网站| or卡值多少钱| 一区二区三区四区激情视频| 精品欧美国产一区二区三| 蜜桃亚洲精品一区二区三区| 大又大粗又爽又黄少妇毛片口| www.av在线官网国产| 中文字幕av成人在线电影| 国产国拍精品亚洲av在线观看| 综合色丁香网| av女优亚洲男人天堂| 亚洲人成网站在线播| 少妇的逼水好多| 最近中文字幕2019免费版| 日产精品乱码卡一卡2卡三| 99久久中文字幕三级久久日本| 欧美性猛交╳xxx乱大交人| 一本一本综合久久| 蜜桃久久精品国产亚洲av| 午夜免费男女啪啪视频观看| 波野结衣二区三区在线| 2021天堂中文幕一二区在线观| 色吧在线观看| 一个人免费在线观看电影| 简卡轻食公司| 美女被艹到高潮喷水动态| 国产毛片a区久久久久| 中文字幕av成人在线电影| 九九久久精品国产亚洲av麻豆| 最近视频中文字幕2019在线8| 成年人午夜在线观看视频 | 日韩在线高清观看一区二区三区| 最近中文字幕2019免费版| 国产真实伦视频高清在线观看| 国产成人精品婷婷| 日日摸夜夜添夜夜爱| 亚洲精品成人av观看孕妇| 夜夜爽夜夜爽视频| h日本视频在线播放| 久久99精品国语久久久| 亚洲av免费在线观看| 亚洲欧美日韩卡通动漫| 久久人人爽人人片av| 国产黄色视频一区二区在线观看| 免费黄色在线免费观看| 尤物成人国产欧美一区二区三区| 搞女人的毛片| 22中文网久久字幕| 亚洲自偷自拍三级| 成人无遮挡网站| 国产精品久久久久久久久免| 欧美变态另类bdsm刘玥| 一级毛片黄色毛片免费观看视频| 久久国产乱子免费精品| 欧美另类一区| 国产精品嫩草影院av在线观看| 别揉我奶头 嗯啊视频| 91精品一卡2卡3卡4卡| 免费观看av网站的网址| 免费播放大片免费观看视频在线观看| 嫩草影院精品99| 99久国产av精品国产电影| 直男gayav资源| 人人妻人人澡人人爽人人夜夜 | 国产视频首页在线观看| 国产精品嫩草影院av在线观看| 黄色配什么色好看| 国产女主播在线喷水免费视频网站 | av免费观看日本| 麻豆国产97在线/欧美| 男人和女人高潮做爰伦理| 欧美潮喷喷水| 波野结衣二区三区在线| 日本色播在线视频| 日韩强制内射视频| 成年人午夜在线观看视频 | 三级经典国产精品| 久久99蜜桃精品久久| 久久久精品94久久精品| 大香蕉97超碰在线| 又爽又黄a免费视频| 久久久久国产网址| 深夜a级毛片| 欧美性感艳星| 亚洲人与动物交配视频| 欧美97在线视频| 九九在线视频观看精品| 婷婷六月久久综合丁香| 两个人视频免费观看高清| 建设人人有责人人尽责人人享有的 | 两个人视频免费观看高清| 人妻系列 视频| 国产精品蜜桃在线观看| 夜夜爽夜夜爽视频| 麻豆成人av视频| 国产精品一区二区在线观看99 | 我要看日韩黄色一级片| 久久精品夜色国产| 99久久精品一区二区三区| 亚洲欧美精品自产自拍| 精品久久久久久电影网| 亚洲精品影视一区二区三区av| 天堂网av新在线| 国产乱人视频| 国产精品日韩av在线免费观看| 成年人午夜在线观看视频 | 一个人看视频在线观看www免费| 天天躁夜夜躁狠狠久久av| 少妇的逼好多水| 久久久久精品性色| 夜夜爽夜夜爽视频| av在线蜜桃| 国产av不卡久久| 一本一本综合久久| 国产色婷婷99| 我的老师免费观看完整版| 亚洲国产欧美在线一区| 中文乱码字字幕精品一区二区三区 | 在线天堂最新版资源| 99久久中文字幕三级久久日本| 国产麻豆成人av免费视频| 看免费成人av毛片| 久久精品夜夜夜夜夜久久蜜豆| 91久久精品国产一区二区成人| 欧美日韩亚洲高清精品| 欧美不卡视频在线免费观看| 男人舔女人下体高潮全视频| 免费观看性生交大片5| 久热久热在线精品观看| 国内精品一区二区在线观看| 日韩中字成人| 天天躁日日操中文字幕| 丝瓜视频免费看黄片| 国产成人freesex在线| 色哟哟·www| 直男gayav资源| 自拍偷自拍亚洲精品老妇| 美女cb高潮喷水在线观看| 国产伦理片在线播放av一区| 成人国产麻豆网| 中文乱码字字幕精品一区二区三区 | 黄色配什么色好看| 91午夜精品亚洲一区二区三区| 国产av国产精品国产| 国产综合懂色| 国产av在哪里看| 大片免费播放器 马上看| 中文字幕人妻熟人妻熟丝袜美| 成人毛片a级毛片在线播放| 亚洲国产欧美人成| 亚洲一区高清亚洲精品| 国产成人精品福利久久| 97超视频在线观看视频| 久久人人爽人人片av| 日韩,欧美,国产一区二区三区| 久久久成人免费电影| 在线 av 中文字幕| 欧美人与善性xxx| 国产精品国产三级国产av玫瑰| 午夜爱爱视频在线播放| 亚洲,欧美,日韩| 菩萨蛮人人尽说江南好唐韦庄| 国产老妇伦熟女老妇高清| 不卡视频在线观看欧美| 高清av免费在线| 久久久a久久爽久久v久久| 亚洲成人中文字幕在线播放| 一本一本综合久久| 夫妻性生交免费视频一级片| 日韩强制内射视频| 欧美极品一区二区三区四区| 精品国产露脸久久av麻豆 | 国模一区二区三区四区视频| 中文字幕久久专区| 日产精品乱码卡一卡2卡三| 欧美激情在线99| 十八禁国产超污无遮挡网站| 两个人的视频大全免费| 青春草亚洲视频在线观看| 成年av动漫网址| 1000部很黄的大片| 日韩av在线大香蕉| 亚洲国产精品国产精品| 91午夜精品亚洲一区二区三区| 国产黄色小视频在线观看| 国产久久久一区二区三区| 国产精品综合久久久久久久免费| 久久99热这里只频精品6学生| 国产综合懂色| 国产极品天堂在线| 97热精品久久久久久| 国产免费又黄又爽又色| 五月伊人婷婷丁香| 国产午夜精品一二区理论片| 深夜a级毛片| 日本欧美国产在线视频| 18+在线观看网站| 少妇丰满av| 精品久久久久久久末码| 久久久精品免费免费高清| 草草在线视频免费看| 国产淫片久久久久久久久| 欧美人与善性xxx| 国产 亚洲一区二区三区 | 精品久久久精品久久久| 中国美白少妇内射xxxbb| 日本午夜av视频| 卡戴珊不雅视频在线播放| 可以在线观看毛片的网站| 少妇被粗大猛烈的视频| 在线 av 中文字幕| 白带黄色成豆腐渣| 中国国产av一级| 欧美97在线视频| 日日撸夜夜添| 极品教师在线视频| 一区二区三区高清视频在线| 国产av国产精品国产| 亚洲在线观看片| 久久精品国产自在天天线| 国产片特级美女逼逼视频| 99re6热这里在线精品视频| 国产欧美另类精品又又久久亚洲欧美| 免费在线观看成人毛片| 国产黄片美女视频| 狂野欧美激情性xxxx在线观看| 别揉我奶头 嗯啊视频| 天天躁夜夜躁狠狠久久av| 午夜福利视频精品| 欧美高清成人免费视频www| 丰满人妻一区二区三区视频av| 三级国产精品片| 男的添女的下面高潮视频| 国产精品精品国产色婷婷| 高清午夜精品一区二区三区| 高清av免费在线| 亚洲精品乱码久久久v下载方式| av网站免费在线观看视频 | 成人特级av手机在线观看| 免费在线观看成人毛片| 国产午夜福利久久久久久| 亚洲国产精品成人综合色| 内射极品少妇av片p| 中文精品一卡2卡3卡4更新| 三级国产精品片| 2022亚洲国产成人精品| 久久午夜福利片| av在线亚洲专区| av又黄又爽大尺度在线免费看| 极品教师在线视频| 2021天堂中文幕一二区在线观| 久久久色成人| 欧美激情久久久久久爽电影| 国产亚洲午夜精品一区二区久久 | 91精品国产九色| 久久精品人妻少妇| 午夜免费激情av| 亚洲最大成人中文| 国产一区二区亚洲精品在线观看| 狠狠精品人妻久久久久久综合| 日韩av在线免费看完整版不卡| 在现免费观看毛片| 欧美日韩综合久久久久久| 青青草视频在线视频观看| 国产淫语在线视频| 菩萨蛮人人尽说江南好唐韦庄| 特大巨黑吊av在线直播| 亚洲成人精品中文字幕电影| 久久精品夜色国产| 国内精品美女久久久久久| 亚洲va在线va天堂va国产| 国内精品一区二区在线观看| 免费看美女性在线毛片视频| 免费看不卡的av| 亚洲欧洲日产国产| 成人综合一区亚洲| 高清日韩中文字幕在线| 成年av动漫网址| 免费观看a级毛片全部| 一级黄片播放器| 国产精品一区二区性色av| 欧美成人a在线观看| 99re6热这里在线精品视频| 久久久久久国产a免费观看| 一级爰片在线观看| 亚洲av成人精品一二三区| 成人二区视频| 2022亚洲国产成人精品| 最近的中文字幕免费完整| 成年女人看的毛片在线观看| 色播亚洲综合网| 亚洲性久久影院| 一级a做视频免费观看| av在线老鸭窝| 亚洲欧洲国产日韩| 日本黄色片子视频| 男女边摸边吃奶| 大香蕉97超碰在线| 人人妻人人澡人人爽人人夜夜 | 免费观看的影片在线观看| 网址你懂的国产日韩在线| 综合色丁香网| 久久精品国产亚洲av涩爱| 亚洲av一区综合| 免费av观看视频| 国产一区二区亚洲精品在线观看| 久久久a久久爽久久v久久| 草草在线视频免费看| 亚洲精品中文字幕在线视频 | 久久久精品免费免费高清| 美女黄网站色视频| 又爽又黄a免费视频| 精品国产三级普通话版| 国产一级毛片在线| 只有这里有精品99| 亚洲欧美一区二区三区国产| 日本黄大片高清| 大香蕉97超碰在线| 99视频精品全部免费 在线| 国产免费视频播放在线视频 | 床上黄色一级片| 真实男女啪啪啪动态图| 中文欧美无线码| 色视频www国产| 午夜福利在线在线| 亚洲一区高清亚洲精品| 自拍偷自拍亚洲精品老妇| 一级黄片播放器| 2022亚洲国产成人精品| 97精品久久久久久久久久精品| 亚洲av日韩在线播放| 亚洲精品日本国产第一区| 国产一级毛片七仙女欲春2| 午夜福利视频1000在线观看| 人体艺术视频欧美日本| 天天一区二区日本电影三级| 青春草亚洲视频在线观看| 亚洲精品一二三| 一级二级三级毛片免费看| 熟妇人妻久久中文字幕3abv| 欧美性猛交╳xxx乱大交人| 欧美人与善性xxx| 91久久精品国产一区二区成人| 成人高潮视频无遮挡免费网站| 天美传媒精品一区二区| 精品酒店卫生间| 久久6这里有精品| 色综合色国产| 欧美成人一区二区免费高清观看| 国产男女超爽视频在线观看| 大片免费播放器 马上看| 精品国产一区二区三区久久久樱花 | 色播亚洲综合网| 日本熟妇午夜| 一二三四中文在线观看免费高清| h日本视频在线播放| 好男人视频免费观看在线| h日本视频在线播放| 亚洲精品影视一区二区三区av| h日本视频在线播放| 一区二区三区乱码不卡18| 纵有疾风起免费观看全集完整版 | 亚洲精品乱码久久久v下载方式| 精品一区二区免费观看| 国产在视频线在精品| 亚洲精品乱久久久久久| 欧美一级a爱片免费观看看| 亚洲av成人av| 成人欧美大片| 搡老乐熟女国产| 熟妇人妻久久中文字幕3abv| 女人十人毛片免费观看3o分钟| 日本熟妇午夜| 久久精品久久精品一区二区三区| 国产色婷婷99| 亚洲国产欧美人成| 中国美白少妇内射xxxbb| 视频中文字幕在线观看| 久久精品国产亚洲av涩爱| 啦啦啦中文免费视频观看日本|